安装tensorrt环境在linux上

在linux上输入命令

bash

cat /etc/os-release

命令查看系统版本

nvidia-smi命令后有内容弹出而没有报错,表明系统中安装了NVIDIA显卡驱动,并且该命令成功地显示了有关NVIDIA GPU的信息。

输入nvcc -V并且看到输出时,这表明您的系统中已经安装了NVIDIA的CUDA工具包,并且该命令成功地显示了CUDA编译器版本的信息

这里是租的ubuntu远程服务器gpu版本,所以nvidia的驱动和cuda都是安装上了。

输入which nvcc  或   where nvcc即可查看cuda的安装路径

可以看到cuda的安装路径是在/usr/local/cuda/bin/nvcc的路径下

除了cuda还需要cudnn

输入指令查看是否存在cudnn

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

弹出以上内容说明cudnn是存在的,这样安装tensorrt的前置工作就完成了,接下来我们进行tensorrt的安装。

安装tensorrt环境在linux上_第1张图片

这里直接安装tensorrt相对应的版本即可,在官网地址下载:

Log in | NVIDIA Developer

我这里直接下载linux版本 不去区分ubuntu还是centos了,选择

  • TensorRT 8.6 EA for Linux x86_64 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4, 11.5, 11.6, 11.7 and 11.8 TAR Package

基本可以支持所有的cuda11了。

安装tensorrt环境在linux上_第2张图片

安装包下载好后之间拖到服务器上。我这里的路径直接拖到/usr/local的路径下。

安装tensorrt环境在linux上_第3张图片

安装包拖过去后,输入命令完成解压。

tar -xvf /usr/local/TensorRT-8.6.0.12.Linux.x86_64-gnu.cuda-11.8.tar.gz

完成解压,如果没有权限 就在最前面加上sudo

安装tensorrt环境在linux上_第4张图片

开始解压

因为我们当前路径是在root下,所以解压的文件在root文件夹下

安装tensorrt环境在linux上_第5张图片

然后我们开始添加环境路径

export LD_LIBRARY_PATH=/root/TensorRT-8.6.0.12/targets/x86_64-linux-gnu/lib:$LD_LIBRARY_PATH

安装tensorrt环境在linux上_第6张图片

输入echo $LD_LIBRARY_PATH  查看环境路径

可以看到路径已经加载进来了

然后我们使用pip安装

当前已经是cd在了TensorRT-8.6.0.12的路径下了,

我们直接输入指令安装

pip install ./python/tensorrt-8.6.0-cp38-none-linux_x86_64.whl安装

然后输入以下指令

import tensorrt as rt

print(rt.__version__)

安装tensorrt环境在linux上_第7张图片

·正确打印出了tensorrt的版本号就是安装成功了。

你可能感兴趣的:(tensorrt及其他环境安装,python,开发语言,人工智能,目标检测,深度学习)